2016—2017年武汉市城区大气PM2.5污染特征及来源解析

利用2016年1月至2017年9月湖北省环境监测中心站大气复合污染自动监测站的在线监测数据，对武汉市城区PM_{2.5<;/sub>的污染特征及主要来源进行解析。结果表明，武汉市城区PM2.5<;/sub>质量浓度呈现出明显的季节差异，季节变化规律为冬季>春季>秋季>夏季。水溶性离子的主要成分SO4^2-、NO3^-和NH4⁺占总离子质量浓度的82.0%。PM2.5<;/sub>中阴离子相对阳离子较为亏损，颗粒整体呈碱性。夏季气态污染物的氧化程度较高且SO2较NO2氧化程度高。后向轨迹分析结果表明，区域传输是武汉市PM2.5<;/sub>的一个重要来源，在4个典型重污染阶段，武汉市分别受到局地、东北、西北及西南方向气团传输的影响。PMF模型解析出武汉市PM2.5<;/sub>五大主要来源及平均贡献率：扬尘22.0%、机动车排放27.7%、二次气溶胶21.6%、重油燃烧14.9%和生物质燃烧13.8%。}     

基于SHERPA的环境空气质量减排情景模拟评估

分析了SHERPA综合评价模型的基本原理和主要建模理念,重点介绍了其在环境空气质量减排情景模拟评估方面的作用,以及在排放源与受体关系(SRR)方面的处理方法,比较了其与欧盟常用的其他情景模拟模型的优缺点。SHERPA模型的特点是空间灵活性较好,对于任何给定地点,可以快速评估不同地区对该研究地点空气质量的影响。SHERPA模型的3个主要功能为污染物来源分析、决策支持和情景模拟。基于SHERPA模型对法国环境空气中PM_(2.5)、PM_(10)和NO_2年均浓度进行污染来源分析、决策支持分析和减排情景模拟评估,展示了模型在环境治理措施优先级筛选和政府间联合治理措施协调建议方面的功能和作用,以期为中国环境空气质量预测预报、环境质量管理措施的制定和成效评估等环境服务与管理工作提供借鉴。     

Ozone facilitated degradation of caffeine using Ce-TiO2 catalyst

The ozone initiated oxidation of 1,3,7-trimethylxanthine (caffeine), commonly found in wastewaters as model compound is reported using cerium (Ce)/titanium dioxide (TiO₂) as catalyst. The effect of pH and loading of ceria on titania were investigated. Effect of reaction conditions on degradation of caffeine based on their pseudo first-order rate constants were compared. The combination of catalyst Ce-TiO₂ and ozone aeration significantly enhanced the degradation of caffeine compared to uncatalysed ozonation. The oxidation of caffeine ensued via the free radical mechanism, through enhanced ozone decomposition into OH radicals. Ce/TiO₂(0.5?wt%) showed good activity in degradation of caffeine at pH 6, in both natural stream and river water samples showing about 60% total organic carbon removal in 2?h ozonation period. Using liquid chromatography-mass spectroscopy, degradation products were analysed. A reaction intermediate and one final product were positively identified. Nano-catalysts with different loadings of Ce on TiO₂ synthesized by sol-gel route were characterized by scanning electron microscope, transmission electron microscopy, BET and powder X-ray diffraction spectrum techniques. The results showed that the material retained a highly ordered mesoporous structure and possessed large surface area.     

我国居住建筑室内PM_(2.5)研究现状及进展

分析了我国居住建筑室内PM_(2.5)污染水平,总结了现阶段PM_(2.5)的研究方法,主要包括理论分析法、数值模拟法和实验测试法。指出室外源是室内PM_(2.5)的主要污染来源,而室内烟草烟雾、烹饪及人员活动也会严重影响室内PM_(2.5)浓度。针对目前研究中存在的问题,提出了标定典型建筑在不同影响因素下的I/O比范围、研究家具和家电的颗粒物释放状况、加强农村室内外空气颗粒物污染调查等建议。     

2013-2017年京津冀区域PM2.5浓度变化特征

利用2013-2017年京津冀区域13个城市PM_{2.5<;/sub>监测数据，综合探讨了该区域PM2.5<;/sub>浓度的时空变化特征。结果表明：京津冀区域PM2.5<;/sub>污染整体较重，但治理成效显著，2013-2017年区域PM2.5<;/sub>年均质量浓度分别为106、93、77、71、64 μg/m³，完成《大气污染防治行动计划》PM2.5<;/sub>浓度下降25%左右的目标；13个城市PM2.5<;/sub>浓度各百分位数总体呈现下降趋势，且随百分位数增大而下降速率加大，PM2.5<;/sub>年均质量浓度平均每年下降10.6 μg/m³，污染严重的太行山沿线城市邢台、石家庄、邯郸3个城市平均每年分别下降20.3、16.1、13.9 μg/m³；京津冀区域PM2.5<;/sub>重度污染天数比例分别为19.9%、16.6%、9.5%、9.0%、7.0%，呈下降趋势。2013-2017年京津冀区域PM2.5<;/sub>平均质量浓度与非重度污染天相比升高19 μg/m³，PM2.5<;/sub>重度污染天平均质量浓度较非重度污染天时高244.4%。}     

2002—2012年京津唐PM10变化规律及差异

对2002年6月—2012年5月京津唐城市群大气可吸入颗粒物(PM10)质量浓度的长期监测数据进行分析,结合3市的地理、气候气象条件,分析了京津唐城市群大气颗粒物质量浓度的变化特征;根据3市PM10相互之间的发散系数,定量分析了3市PM10变化的差异。结果表明,2002—2012年北京市的PM10质量浓度变化范围为0.012~0.600 mg/m3,天津、唐山2市的PM10质量浓度变化范围分别为0.014~0.600、0.019~0.452 mg/m3。2008、2011年天津市PM10质量浓度年平均值达到二级标准,唐山市从2008年后PM10质量浓度年平均值达到二级标准;北京市PM10质量浓度总体变化趋势为春季秋季冬季夏季,天津、唐山市均为冬季春季秋季夏季,但不同年份的变化趋势略不同;北京-唐山、北京-天津、天津-唐山之间PM10的月度发散系数范围分别为0.402 7~0.159 2、0.406 8~0.142 9、0.323 1~0.107 8,说明空间距离最近的天津-唐山之间大气污染的相互影响较北京-天津、北京-唐山之间大。     

气质联用法测固定污染源中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫

建立了固定污染源排气中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫的采样和气质联用分析方法,检出限分别为0.06、0.15、0.21、0.71 mg/m3,精密度在3.2%以下,相关系数大于0.999 6,并对浙江省内2家典型企业排放的温室气体进行了监测,实际样品监测结果表明,该方法能够满足废气中4种温室气体的监测要求。     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

大数据解析技术在大气环境监测中的应用研究

针对近年来新兴的大数据及挖掘、分析技术,对大数据解析技术在环境科学研究中的应用进行了分析和探析。以城市局部地区大气细颗粒污染物PM2.5浓度计算为例,筛选了PM2.5浓度历史数据、气象条件、交通状况、人群活动情况、网格道路状况等数据为影响特征量,分析了用神经网络法进行大数据解析和推演的原理和数学过程,是用数学、计算机、统计等方法研究解决多元、非线性复杂环境问题的一种新的探索。     

2013年苏州春季一次重污染天气的过程分析

研究了2013年3月在江苏范围内的一次重污染天气过程，重点分析苏州在此次污染过程中大气污染的变化特征。污染过程中，苏州市颗粒物浓度上升较为明显， PM10的小时质量浓度最高达548μg／m3， PM2．5质量浓度也达到197μg／m3，污染持续时间为2 d，3月8—9日当地空气质量均达到中度污染水平。根据后向轨迹模型、颗粒物离子浓度的分析，此次污染是由外来浮尘及苏州本地污染物排放所造成的区域霾污染影响所致。根据监测结果与实际污染特征，针对性地提出了对策和措施。